JMP Pro 18を使用した動画が2025年9月に投稿されました。
不良率の測定方法と低減方法を決定するために、モデルの結果をシミュレーションする必要がありますか？変数値の変化が、コストや歩留まりなど、1つ以上のレスポンス目標に与える影響を比較することを目指していますか？因子制限が、将来の実行における予想不良率とレスポンスの合格仕様（仕様内部分）に与える影響を理解することに、チームの価値を見出すことができますか？
このセッションでは、シンプルな 4 要素、2 応答の製造の例を使用して、次の方法を説明します。
- 個々の要素の設定を変更すると、予測モデルがどのように変化するかをインタラクティブに判断します。
- 最適な（望ましい）要因設定のトレードオフを見つけて調べます。
- 1 つ以上の応答の望ましさを定義し、最適化します。
- 完了基準を処理し、不等な重みを指定して複雑な応答最適化を実行します。
- モデル入力とノイズのランダム変動の関数としてモデル出力の分布をシミュレートします。
- シミュレートされた応答が仕様制限内であるかどうかを示す値を含む、シミュレートされた値をさらなる評価のために保存します。
- 因子制限が、応答仕様（仕様内部分）を満たす将来の実行の予想率に与える影響を調査します。
ライブ ウェビナーでローラ・ヒギンズ 、 @ドニー・コップ 、 @パトリック・ジュリアーノが回答した質問:
質問：数式を使用してシミュレートされた値をフィルタリングし、X に制約を入力できますか?
答え:はい、JMP テーブルに数式がある場合、または数式に独自の数式を追加することができます。 数式に関するビデオを参照してください。
質問：モデルを構築するための連続プロセスデータのサンプリングに関する推奨事項はありますか？例えば、どのくらいの頻度でサンプリングするのが適切か、またモデルでプロセスラグを捕捉する最適な方法などについて教えてください。
A:状況によります。また、JMPには、工程から賢くサンプリングを行うための優れたツールがいくつかあります。例えば、「テーブル」→「サブセット」を使用すると、意味のある「区間」（サブセット）の行を抽出できるため、サンプリング工程が混乱することはありません。ロット数が多く、ロット間の変動（平均シフトは予測値とみなされます）が持続する工程から、完全にランダムにサンプリングすることを想像してみてください。そのような工程から完全にランダムにサンプリングすると、サンプルは合理的に振る舞いません（例えば、サンプルは妥当な一貫性を持たず、特定の分布モデル、特に正規分布やワイブル分布のような「物理に基づいた」分布モデルには当てはまらない可能性があります）。
Q:感度分析（入力の変化が出力の変化にどの程度影響するか）は、JMPでは別の名前で呼ばれますか？あまり制御を必要としない予測変数を確認するには、どうすればよいでしょうか？
答え:まず、JMP サポート ドキュメント内で「確率的最適化」を検索してください。
推奨される前提条件:
リソース
